編程必備基礎知識|電腦組成原理篇(06)：電腦的字元與編碼集

• 2019 年 10 月 3 日
• 筆記

電腦基礎方面的知識，對於一些非科班出身的同學來講，一直是他們心中的痛，而對於科班出身的同學，很多同學在工作之後，也意識到自身所學知識的不足與欠缺，想回頭補補基礎知識。關於電腦基礎的課程很多，內容繁雜，但無論是相關書籍還是大學課程，都有點脫離工作。特別地，電腦基礎知識體系龐雜，想要從零學習或者複習都耗時耗力。

有鑒於此，本系列文章將帶你更快的補足編程必備基礎知識，涵蓋電腦領域三大基礎知識：電腦組成原理、作業系統、電腦網路，這些都是大學電腦課程裡面最重要的內容。文章對這些內容做了提煉和總結，摒棄了作為程式設計師不需要掌握的知識。

目的是：

• 幫助大家形成電腦知識的結構體系
• 幫助大家理解電腦底層原理
• 幫助大家在工作實踐中借鑒其中的優秀設計

本篇是電腦組成原理之電腦的字元與編碼集。

歡迎關注、轉發、收藏、評論

字元編碼集的歷史

ASCII碼

對於ASCII碼，相信大家在平時的學習、工作中都有所了解。

ASCII碼，英文全稱為：American Standard Code for Information Interchange，翻譯過來就是：美國資訊交換標準程式碼，是我們平常常用的一種編碼。那它是怎麼來的呢？

在電腦中，所有的數據在存儲和運算時都要使用二進位數表示（因為電腦用高電平和低電平分別表示1和0），例如，像a、b、c、d這樣的52個字母（包括大寫）以及0、1等數字還有一些常用的符號（例如*、#、@等）在電腦中存儲時也要使用二進位數來表示，而具體用哪些二進位數字表示哪個符號，當然每個人都可以約定自己的一套（這就叫編碼），假如，對於字元a，比爾蓋茨想用0001來表示，而喬布斯想用0010來表示，那麼他們在溝通交流的時候誰都無法理解對方的語言。因此，為了電腦能夠互相通訊而不造成混亂，就必須使用相同的編碼規則，於是美國有關的標準化組織就出台了ASCII編碼，統一規定了上述常用符號用哪些二進位數來表示。

標準ASCII碼也叫基礎ASCII碼，使用7個比特位來表示所有的大寫和小寫字母，數字0到9、標點符號，以及在美式英語中使用的特殊控制字元，共定義了128（2的7次方）個字元。

下面我們通過一張表來了解部分ASCII碼。

表中列出了常見字元的ASCII碼，如：字母a表示為01100001、字元（不是數字哦~）1表示為00110001… …

在電腦的早期，ASCII碼就能滿足特定人群的使用了，但是，隨著電腦的發展以及電腦的普遍性，ASCII碼逐漸不能滿足人們的使用需求，比如一些數學符號以及一些國家的符號都無法表示。於是，人們對ASCII碼進行了擴充，用8個比特位來表示一個字元，這就是拓展的ASCII碼，拓展的ASCII碼能表示256個字元。

Extended ASCII碼

如下圖，是拓展的ASCII碼錶。

這裡面包括了常見的數學運算符、帶音標的歐洲字元以及其他常用符號、表格符號等。使用了拓展的ASCII碼極大的補充了原來的碼錶，使得電腦能表達的內容越來越豐富。

字元編碼集的國際化

隨著電腦的進一步發展，越來越多的國家加入到了使用電腦的行列中，對字元編碼集的要求也越來越高。對於歐洲、中亞、東亞、拉丁美洲等國家來說，它們的語言豐富多樣，體系不一樣，不以有限字元為組合，尤其以中國、韓國、日本等的語言最為複雜，ASCII碼錶根本無法表達這些語言，這就迫切需要使用新的編碼集，也就是字元編碼集的國際化。

中文編碼集

GB2312

GB2312是1980年制定的中國漢字編碼國家標準，是中國最早最完備的一個編碼集，一共收錄了7445個字元，包括6763個漢字和682個其他字元，一個漢字佔用兩個位元組。

GBK

由於GB2312不符合國際標準，中國的科學家在1995年推出了第二套完備的編碼集——GBK，GBK向下兼容GB2312，向上支援國際ISO標準，收錄了21003個漢字，支援全部中日韓漢字。

GB2312和GBK都是比較完備的編碼集，但是，它們只是一個本地化的編碼，在中國使用是沒問題的，但要跨國使用就有問題了。舉個例子，一個中國人開發了一個網站，一個外國友人訪問了這個網站，如果他們本地沒有安裝GB2312編碼集或GBK編碼集的話， 那麼他們在訪問網站網頁的時候看到的會是亂碼。因此，就需要一個全球統一的編碼規範。

Unicode

為了統一所有文字的編碼，Unicode應運而生。Unicode是一個兼容全球的字符集，定義了世界通用的符號集，可以表達全世界所有的文字和字元。Unicode把所有語言都統一到一套編碼里，這樣就不會再有亂碼問題了。

我們平時用的UTF-8是其中一個編碼規則，它以位元組為單位對Unicode進行編碼，平常寫程式碼的時候都是推薦使用UTF-8編碼。中文Windows作業系統默認使用GBK編碼，因此，使用IDE編程時通常要設置成UTF-8編碼。

END